不可估参数函数的可容许估计

对于线性模型ＥＹ＝Ｘβ,ＣｏｖＹ－∑＾ＭＩ＝１σＳ＾２Ｖｉ。当Ｓβ不可分别给出了Ｓβ的线性估计在二次损失和矩阵损失下线性可容许的充要条件。当Ｙ－Ｎ（Ｘβ,∑＾ＭＩ＝１σ＾２Ｖｉ）时,还得到了Ｓβ的线性估计在矩阵损失下在一切估计类中可容许的充要条件和在二次损失下在切估计类中可容许的充分条件和必要条件。     

共同均值矩阵参数的所有A—可容许性线性估计

讨论了多元线性模型中共同均值矩阵参数Θ及其线性组合函数SΘ的线性估计∑∧mi=1AiYi C在一切估计类中的Φ-可容许性和A-可容许性问题,得到了∑∧mi=1AiY C是SΘ的A-可容许性估计的一些充分条件和必要条件。     

指数分布族参数的一类非线性估计的可容许性

本文首先对于离散型指数分布族参数,获得了M(1/(X_1+α_1)…,1/(X_1+α_1)′+γ是可容许估计的必要条件,得到关于M和γ的一个结构;其次利用Zidek引理给出了单参数指数族时估计量(αX+b)/(cX+d)为可容许的充分条件,在附加的一个很弱的条件下,它可看成是[1]中主要定理的简单证明。     

带约束的随机效应线性模型中的回归系数和参数的可容许性估计

考虑了如下的参数受不完全椭球约束的随机效应线性模型：Y=Xβ ε,E(^βε）=（^Aα 0),Cov(β ε）=σ^2(^V11 V12 V21 V22)其中参数受如下不完全椭球约束α′A′X′Aα≤σ^2在二次损失函数和矩阵损失函数下。分别给出了随机回归系数和参数在齐(非齐)次线性估计类中的可容许性估计的充分必要条件。     

共同均值矩阵参数的所有E—可容许和G—可容许线性估计

对于一般多元线性模型,讨论了共同均值矩阵参数的线性组合函数ＳＸΘ的线性估计在一切估计类中的Ｅ－可容许性和Ｇ－可容许性问题,分别得到了Σｉ＝１→ｍ ＡｉＹｉ是ＳＸΘ的Ｅ－可容许估计和Ｇ－可容许估计的充要条件。     

共同均值参数的线性估计的可容许性

讨论了对于一般共同均值线性模型，共同均值参数的可估函数SXβ的线性估计在线性估计类和一切估计类中的可容许性问题，分别得到了它们的充要条件．     

带约束的随机效应线性模型中的回归系数和参数的可容许性估计

考虑了如下的参数受不完全椭球约束的随机效应线性模型 :Y =Xβ +ε,E βε =Aα0 ,　Covβε =σ2 V11　V12V2 1　V2 2,其中参数受如下不完全椭球约束α′A′Χ′NXAα≤σ2 在二次损失函数和矩阵损失函数下 ,分别给出了随机回归系数和参数在齐 (非齐 )次线性估计类中的可容许性估计的充分必要条件。     

向量损失函数下均值向量线性估计的可容许性

在向量损失函数下,讨论了模型(H)EY=XβCovY=Xdiag(β1,β2,…,βn)X′中估计均值向量时,齐次线性估计在L1={LY:L为元素均为非负的k×n矩阵}中的容许性,及非齐次线性估计在L2={LY C:L为元素均非负的k×n矩阵,C为k维元素均严格非负的列向量}中的容许性,并获得了相应的充要条件.     

共同均值矩阵参数的所有A—可容许性线性估计

讨论了多元线性模型中共同均值矩阵参数Θ及其线性组合函数SΘ的线性估计∑∧mi=1AiYi C在一切估计类中的Φ-可容许性和A-可容许性问题，得到了∑∧mi=1AiY C是SΘ的A-可容许性估计的一些充分条件和必要条件。     

对数正态分布参数的最大似然估计

对数正态分布是工程、医学、生物学中常见的分布之一。讨论分组数据情况下,对数正态分布参数的最大似然估计,给出分布函数似然方程组解的唯一性的一种证明方法。     

Linex损失函数下正态总体位置参数的估计

首先研究正态分布位置参数在Linex损失函数L(μ,)δ=ea(μ-δ)-a(μ-δ)-1下的最小风险同变估计及其Bayes估计,并给出在该损失函数下位置参数最小风险平移同变估计的精确表达式和Bayes估计的可容许性证明,最后讨论形如cT(x)+d的可容许性.     

不同损失下k阶Erlang分布参数的Bayes估计

研究了k阶Erlang分布参数的Bayes估计问题.给出了该分布参数的极大似然估计,分别在平方损失、二次损失、Linex损失、熵损失、对称熵损失和平衡损失函数下给出了参数的Bayes估计的表达式,并运用随机模拟方法对各个估计进行了比较.     

q对称熵损失函数下正态总体刻度参数的估计

用参数估计的方法, 研究均值为0的正态分布中刻度参数在q对称熵损失函数下的最小风险同变估计、 Bayes估计和Minimax估计, 并讨论了 ［cT+d］^1/2形式的估计量当0≤c*, d>0; c=c^*, d≥0时是可容许的, 当0*, d=0; c>c^*, d>0时是不可容许的.     

对数正态回归模型的参数估计(MATLAB)

对数正态分布是一个广泛使用的寿命分布模型,有很多学者已证明特别用该模型来描述寿命分布是非常合适的.本文的主要内容是应用MATLAB程序对对数正态回归模型的参数进行估计,给出了估计的迭代算法,并就症医学数据进行了实例应用分析.     

三参数威布尔分布的参数估计方法

给出三参数威布尔分布参数的分位数估计、拟矩估计和改良的极大似然估计，用随机模拟方法研究这些估计和简单估计等的优良性．在优选估计的基础上给出了可靠度的Ｂｏｏｔｓｔｒａｐ置信限．     

混合瑞利分布的参数估计

混合瑞利分布是一类重要的统计模型,应用EM算法对混合瑞利分布的参数进行估计,得到了在完全数据下和截尾数据下参数的估计迭代公式,并通过数据模拟说明EM算法对参数估计的可行性.     

正态分布参数函数的估计

讨论正态分布N(μ,σ2)的参数(μ,σ2)的函数θ=exp{aμ ba2}(a≥0,b≥0)的估计问题,给出了θ的最大似然估计及矩估计.在μ和σ2的先验分布独立时,在损失函数L(θ,a)=(θ-a)2和L(θ,a)=(θ-1×a-1)2下给出Bayes估计和最小最大估计.     

Pareto分布参数的Bayes估计

文章主要研究了Pareto分布的参数估计。在平方损失函数下给出了Pareto分布参数的Bayes估计,并且证明了这一估计是可容许的。在Q-对称熵损失函数下,讨论了Pareto分布参数的Bayes估计。     

多个子总体混合分布的参数估计

混合分布是数据分析中一个重要的统计模型,但是利用正规的统计方法如矩估计,极大似然估计等估计模型的参数比较困难,而应用EM算法可研究多个子总体的混合分布在正常工作条件下的参数估计问题.